当前我国数据要素市场化配置改革进入深水区，数据知识产权登记作为明确数据权属、保障数据主体合法权益、促进数据合规流通的核心基础制度，已成为各地推动数据资产化、激活数据价值的重要抓手。作为全国数据要素市场化配置改革先行试点省份，浙江省打造的数据知识产权登记平台承担着数据资源存证、权属公示、流通备案等核心职能，为市场主体的数据资产确权、合规流转提供官方公信力背书，有效降低数据交易过程中的权属纠纷风险。2026年5月29日，宁波普瑞均胜汽车电子有限公司提交的“穿戴式设备多模态画圈手势识别训练数据”正式通过平台审核完成登记，成为国内为数不多完成官方确权的穿戴式人机交互类AI训练数据集。
本次登记的数据集由宁波普瑞均胜基于智能手环等穿戴式设备采集打造，融合了惯性测量单元（IMU）与表面肌电（sEMG）两种传感器数据，构建了双支路输入结构，覆盖了多种静态与动态手势类型，具备高质量、高多样性和高标注准确性的核心特点。基于该数据集训练的手势识别模型可实现对用户手势的精准识别，涵盖日常交互中常见的静态手势（如握拳、张开手掌）与动态手势（如滑动、旋转等），且在实际测试中表现出优异的泛化能力，可有效识别训练集外个体的手势动作，具备跨用户适应性，大幅降低了模型落地的适配成本。
从应用价值来看，该数据集目前可直接应用于智能手环交互控制、可穿戴设备手势命令识别以及无接触式人机交互等成熟场景，同时在多个垂直领域具备广阔的应用潜力：在消费电子领域，可支撑AR/VR设备的自然手势交互，提升虚拟场景的操作沉浸感；在智能家居领域，可实现家电设备的无接触手势控制，适配老年群体、特殊需求群体的使用习惯；在工业领域，可用于生产现场的工人手势指令识别，避免操作人员触碰电子设备带来的安全隐患；结合普瑞均胜在汽车电子领域的产业积累，该数据集还可应用于智能座舱的手势控制场景，驾驶员无需触碰中控屏即可完成空调调节、媒体切换等操作，有效提升驾驶安全性。
本次数据知识产权登记的完成，一方面明确了该数据集的权属关系，为后续宁波普瑞均胜开展数据授权、数据交易等流通活动提供了官方权属证明，有效降低了数据流通的合规风险；另一方面，也为国内AI训练类数据、人机交互类数据的知识产权登记提供了可参考的实践样本，对完善数据知识产权登记体系、丰富高价值数据要素供给、推动多模态人机交互技术落地均具有积极的行业意义。
据了解，该数据集预处理前的数据来源于采集设备收录的肌电信号（sEMG）和惯性测量单元（IMU）信号。其中，电极贴附于采集设备底部，设备佩戴于手腕处，位置距离手腕关节约3–5cm，用于记录用户在执行不同手势动作过程中，由肌肉收缩所产生的电位变化；IMU信号由MPU6050传感器采集得到，原始数据为连续时间段内的时间序列信号。在完成ADC采样后，系统采用IIR数字滤波器对sEMG信号进行预处理，滤波结构由前级的低频抑制（高通特性）与后级的高频衰减（低通特性）级联组成，整体构成针对sEMG信号的带通滤波通道，用于保留有效肌电频段的信息，并抑制基线漂移及高频噪声干扰。随后，对时间序列信号进行滑动窗口转换，每个窗口长度设为128，步幅为1。对于每个窗口内的肌电信号，采用短时傅里叶变换（STFT）进行频域分析，相关参数设置为：hop_length=8、n_time_frames=9、n_freq_segments=8，从而提取频域特征并构建尺寸为1×8×9的特征张量。在模型构建方面，团队设计并构建了一种双支路的全连接神经网络结构，分别用于处理IMU信号和sEMG信号：IMU支路以尺寸为1×6×128的张量作为输入，首先展平为768维向量，随后依次通过三层全连接网络（768→128→64→32），每一层均包含批量归一化（BatchNormalization）、ReLU激活函数以及Dropout操作（丢弃率为0.1），以增强模型泛化能力并防止过拟合，最终输出10类的分类结果；sEMG支路以尺寸为1×8×9的张量作为输入，展平为72维向量后，依次通过两层全连接网络（72→32→16），同样引入批量归一化、ReLU激活函数以及Dropout机制，最终输出10类分类结果。两个支路的输出在融合模块中进行特征拼接，形成20维特征向量，并通过三层全连接网络（20→64→32→10）完成最终的手势分类任务。在模型训练阶段，采用Adam优化器对网络参数进行优化，初始学习率设置为0.001，数据集被划分为训练集、验证集和测试集，比例为7:2:1，使用训练集对模型进行训练，训练轮数设为800，批次大小为32。在训练过程中，团队实时监控验证集损失值，当验证集损失在连续50个训练轮次内未出现下降时，提前终止训练以防止模型过拟合，最后通过对学习率、批次大小等超参数进行调整与对比实验，选择性能最优的模型配置作为最终模型。
登记内容：
_1769672084863.jpg)